文献类型：期刊文章

作　　者：林耀进[1,2] 胡学钢[1] 李慧宗[1]

机构地区：[1]合肥工业大学计算机与信息学院,合肥230009 [2]漳州师范学院计算机科学与工程系,漳州363000

出　　处：《情报学报》

基　　金：国家863计划课题(2012AA011005);国家自然科学基金(61273292,71140004,61170129)资助

年　　份：2013

卷　　号：32

期　　号：3

起止页码：299-305

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSSCI、CSSCI2012_2013、INSPEC、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：协同过滤是推荐系统中广泛使用的推荐技术，对推荐结果可解释强。基于用户的协同过滤是一种重要的系统推荐方法，用户评分数据的极端稀疏性制约着系统的推荐质量。针对上述情况，提出一种基于用户群体影响的协同过滤推荐算法。首先，定义了用户群体的概念并根据群体影响提出两条相应准则；然后，计算用户相似性时，不仅考虑了用户个体之间的相似性，而且考虑了用户所处群体之间的相似性。该算法不仅可以更加精确地刻画用户之间相似度，而且一定程度上增强了推荐系统的稳定性。实验结果表明，该算法能有效地提高系统的推荐质量，而且满足所提出的两条准则。

关 键 词：推荐系统 协同过滤 群体影响  相似性  

分 类 号：TP391.3]